Asignatura ANÁLISIS, MONITORIZACIÓN Y … · Desarrollar un espíritu crítico constructivo que...
6
Asignatura Materia ANÁLISIS, MONITORIZACIÓN Y DIAGNÓSTICO DE PROCESOS MULTIVARIANTES Mejora de Procesos Profesor ALBERTO J. FERRER RIQUELME ([email protected]) Mejora de Procesos Tipo / Semestre / Crétidos ECTS Obligatoria / Semestre B / 3 créditos ECTS
Transcript of Asignatura ANÁLISIS, MONITORIZACIÓN Y … · Desarrollar un espíritu crítico constructivo que...
Asignatura
Materia
ANÁLISIS, MONITORIZACIÓN Y DIAGNÓSTICO DE PROCESOS MULTIVARIANTES
Mejora de Procesos
Profesor
ALBERTO J. FERRER RIQUELME ([email protected])
Mejora de Procesos
Tipo / Semestre / Crétidos ECTS
Obligatoria / Semestre B / 3 créditos ECTS
Competencias a adquirir:
1. Conocer la problemática del análisis de matrices de datos de grandes dimensiones.
2. Conocer técnicas estadísticas multivariantes de proyección sobre estructuras latentes y
su relación con otras técnicas estadísticas clásicas y de minería de datos.
3. Seleccionar y aplicar la técnica más adecuada en función del problema a resolver:
compresión, clasificación, discriminación o predicción.
4. Diseñar un sistema de control estadístico multivariante de procesos basado en técnicas
de proyección sobre estructuras latentes tanto en procesos continuos como por lotes.
ANÁLISIS, MONITORIZACIÓN Y DIAGNÓSTICO DE PROCESOS MULTIVARIANTES
5. Manejar con soltura software estadístico especializado.
6. Trabajar en equipo para poder enfrentarse a la resolución de problemas de marcado
carácter interdisciplinar.
7. Redactar y presentar en público informes técnico-científicos relacionados con la materia.
8. Desarrollar un espíritu crítico constructivo que motive a un aprendizaje continuo para
poder abordar futuros problemas relacionados.
Contenidos:
ANÁLISIS, MONITORIZACIÓN Y DIAGNÓSTICO DE PROCESOS MULTIVARIANTES
1. Naturaleza de los datos en procesos altamente automatizados
2. Introducción a las técnicas de proyección sobre estructuras latentes: Análisis de
Componentes Principales (PCA), Regresión en Mínimos Cuadrados Parciales (PLS), y
modelos 3-way (Parafac, Tucker-3, N-PLS).
3. Comparación con otras técnicas estadísticas multivariantes clásicas, técnicas de
minería de datos y de inteligencia artificial.minería de datos y de inteligencia artificial.
4. Aplicaciones en compresión de información, clasificación, discriminación y predicción.
5. Aplicaciones al control estadístico multivariante de procesos (MSPC).
BIBLIOGRAFÍA :
Introducción al PCA
Jackson, J. E. (1991) A User´s Guide to Principal Components. John Wiley & Sons, New York, NY.
Wold, S., Esbensen, K., and Geladi, P. (1987) “Principal Component Analysis”. Chemometrics and Intelligent Laboratory
Systems, 2, 37-52.
Introducción al PLS
Geladi, P., and Kowalski, B.R. (1986) “Partial Least-Squares Regression: A Tutorial”. Analytica Chimica Acta, 185, 1-17.
(Tutorial del PLS)
ANÁLISIS, MONITORIZACIÓN Y DIAGNÓSTICO DE PROCESOS MULTIVARIANTES
(Tutorial del PLS)
Höskuldsson, A. (1988) “PLS Regression Methods”. Journal of Chemometrics, 2, 211-228.
Helland, I.S. (2001) “Some theoretical aspects of partial least squares regression Chemometrics and Intelligent
Laboratory Systems, 58, 97–107.
Introducción a los métodos N-way
Henrion, R. (1994) “N-way principal component analysis. Theory, algorithms and applications”. Chemometrics and
Intelligent Laboratory Systems, 25, 1–23.
Smilde, A., R. Bro, P. Geladi (2003) Multi-way Analysis, Application in the Chemical Sciences, John Wiley & Sons: England.
BIBLIOGRAFÍA :
MSPC basado en técnicas de proyección sobre estructuras latentes
Camacho, J., Picó, J. Ferrer, A. (2008) “Bilinear modelling of batch processes. Part I: theoretical discussion. Journal of
Chemometrics 22, 299-308.
Ferrer, A. (2003). Control estadístico megavariante para los procesos del siglo XXI. Actas del XXVII Congreso Nacional de
Estadística e I.O., 24-38.
Ferrer, A. (2007). Multivariate Statistical Process Control based on Principal Component Analysis (MSPC-PCA): Some
Reflections and a Case Study in an Autobody Assembly Process. Quality Engineering 19, 311-325.
Ferrer, A. (2009)” Statistical Control of Measures and Processes”. In: Brown S, Tauler R, Walczak R (eds.) Comprehensive
Chemometrics, volume 1, 97-126, Oxford: Elsevier.
Kourti, T., and MacGregor, J.F. (1996) “Multivariate SPC Methods for Process and Product Monitoring”. Journal of Quality
ANÁLISIS, MONITORIZACIÓN Y DIAGNÓSTICO DE PROCESOS MULTIVARIANTES
Kourti, T., and MacGregor, J.F. (1996) “Multivariate SPC Methods for Process and Product Monitoring”. Journal of Quality
Technology, 28, 4, 409-428.
Kourti T. (2003) Multivariate dynamic data modelling for analysis and statistical process control of batch processes,
start-ups and grade transitions. Journal of Chemometrics, 17 (1), 93-109.
Nomikos, P., and MacGregor, J.F. (1995) “Multivariate SPC Charts for Monitoring Batch Processes”. Technometrics, 37,1,
41-59.
Wold, S., N. Kettaneh, H. Friden and A. Holmberg (1998) “Modelling and diagnostics of batch processes and analogous
kinetic experiments”. Chemometrics and Intelligent Laboratory Systems, 44, 331-340.
Westerhuis, J.A.; Kourti, T.; MacGregor, J.F. (1999). Comparing alternative approaches for multivariate statistical analysis
of batch process data. Journal of Chemometrics 13, 397-413.
Sistema de evaluación:
La calificación global de la asignatura estará basada en:
60% Trabajos prácticos
40% Examen sobre los contenidos de la asignatura
ANÁLISIS, MONITORIZACIÓN Y DIAGNÓSTICO DE PROCESOS MULTIVARIANTES
40% Examen sobre los contenidos de la asignatura
